P1 Global overview of incidence and prevalence of interstitial lung disease: a systematic literature review
Notice bibliographique
Résumé
Introduction Interstitial lung diseases (ILD) are a diverse group of pulmonary fibrotic and inflammatory conditions. The global burden of ILD is largely unknown, in part because of differences between countries in diagnosis and in coding practices1. Reviews to date have therefore tended to be limited in geographical scope and focused on individual ILDs. Our aim was to systematically review evidence for ILD prevalence and incidence on a global scale. Methods A systematic search of Medline and Embase was conducted to identify relevant articles reporting the incidence and/or prevalence of individual ILD subtypes. The search was limited to observational studies published between 2015 and 2020 in English, with articles independently screened by two reviewers. An adapted Newcastle-Ottawa scale was used to assess quality and risk of bias. Results Of 8,560 articles, 51 studies were included. Geographically, most studies were from Asia (47.1%) and Europe (43.1%). Significant heterogeneity was noted in the incidence and prevalence (figure 1) of ILDs between different countries. These variations are largely attributed to the diversity of the underlying population and differences in data sources used. For example, the prevalence of systemic sclerosis ILD ranged from 30% in Europe to 71% in Asia, silicosis ranged from 0.02% in the USA to 37% in Brazil. IPF was the most reported ILD, the range of prevalence was 8.5 to 38.8 per 100,000 persons, and incidence was 2.4 to 48.5 per 100,000 persons-years, across regions. Discussion There have been few reviews investigating the epidemiology of ILDs overall or by subtypes. ILD publications differed by region, for example, more studies from Asia explored occupational ILDs, whereas more European studies reported on autoimmune ILDs. With an increasing research interest in progressive fibrosing ILDs, there is a need to understand the global burden of ILD and highlight unmet needs. Reference King TE. Am J Respir Crit Care Med. 2005;172:268–279.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,037 | 0,033 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».